Korpuszok és adatbázisok. Korpuszok a nyelvészeti kutatásban szeptember 29.
|
|
- Magda Csonkané
- 7 évvel ezelőtt
- Látták:
Átírás
1 Korpuszok és adatbázisok Korpuszok a nyelvészeti kutatásban szeptember 29.
2 Angol nyelvű korpuszok British National Corpus (BNC) Brit angol ~100M szövegszó Írott és beszélt nyelv Automatikus annotáció Wall Street Journal (WSJ) Üzleti nyelv Egyes részei kézzel annotálva (morfológia, szintaxis) Reuters ~100 millió szövegszó dokumentumok, bekezdések határai Gigaword korpusz 2 milliárd szó Penn TreeBank 5 millió szövegszó szófaji kód szintaktikai elemzés (konstituensfa) Feladatspecifikus korpuszok: CoNLL-2003 (tulajdonnevek), SemEval (szemantika) néhány százezer szövegszó
3 Magyar Nemzeti Szövegtár (MNSZ) 187,6 millió szövegszó Sajtó, szépirodalom, tudományos, hivatalos, személyes szövegek Határon túli nyelvváltozatok is Automatikus szótövezés és szófaji elemzés Gigaword verzió (1 milliárd szövegszó)
4 Webkorpusz több mint 1,48 milliárd szó (szűretlenül, illetve 589 millió megszűrt szó) jelenleg a legnagyobb magyar nyelvű korpusz 18 millió weboldal (.hu) corpus
5 Párhuzamos korpuszok olyan két- vagy többnyelvű korpuszok, amelyben egy mű és annak egy vagy több nyelvre lefordított változatai szerepelnek Bekezdés-, mondat- vagy szószinten párhuzamosított szövegek Alkalmazási lehetőségek: fordítástudomány, kontrasztív nyelvészet, gépi fordítás
6 Néhány párhuzamos korpusz Hansard: angol-francia 1984: közép- és kelet-európai nyelvek Hunglish: magyar-angol SzegedParalell: magyar-angol HunOr: magyar-orosz
7 Szegedi korpuszok Szeged Treebank Szeged Dependencia Treebank Magyar WordNet Bizonytalanságra annotált korpuszok Tulajdonnévkorpuszok Lemmatizált tulajdonnevek Többszavas kifejezések korpuszai Jelentés-egyértelműsített korpusz Kutatói adatok HTML korpusza SzegedParalell HunOr Véleménydetekciós korpusz Kulcsszókinyerési korpuszok HunLearner
8 Szeged (Dependencia) Treebank mondat 1,5 millió szövegszó írásjel 6 domén iskolai fogalmazások számítógépes szövegek irodalom jogi szövegek újságcikkek üzleti rövidhírek Kézzel ellenőrzött morfológiai és szintaktikai (konstituens és függőségi) elemzés, névelemek, félig kompozicionális szerkezetek (FX), koreferencia
9 1 ROOT _ ROOT ELL ELL Japánban Japán Japán N N SubPOS=p Num=s Cas=2 NumP=none PerP=none NumPd=none SubPOS=p Num=s Cas=2 NumP=none PerP=none NumPd=none OBL 1 1 OBL 3,, PUNCT, PUNCT,, ahol ahol ahol R SubPOS=r Deg=none Num=none Per=none R 9 SubPOS=r Deg=none Num=none Per=none 9 TLOCY TLOCY ban M M SubPOS=c Num=s Cas=2 Form=d NumP=none PerP=none NumPd=none SubPOS=c Num=s Cas=2 Form=d NumP=none PerP=none NumPd=none OBL 9 9 OBL 6 közel közel közel R SubPOS=x Deg=none Num=none Per=none R 7 SubPOS=x Deg=none Num=none Per=none 7 MODE MODE 7 félmillió félmillió félmillió M M SubPOS=c Num=s Cas=n Form=l NumP=none PerP=none NumPd=none SubPOS=c Num=s Cas=n Form=l NumP=none PerP=none NumPd=none ATT 8 8 ATT 8 válást válás válás N N SubPOS=c Num=s Cas=a NumP=none PerP=none NumPd=none SubPOS=c Num=s Cas=a NumP=none PerP=none NumPd=none OBJ 9 9 OBJ 9 mondtak mond mond V V SubPOS=m Mood=i Tense=s Per=3 Num=p Def=n SubPOS=m Mood=i Tense=s Per=3 Num=p Def=n 1 1 ATT ATT 10 ki ki ki R R SubPOS=p Deg=none Num=none Per=none 9 SubPOS=p Deg=none Num=none Per=none 9 PREVERB PREVERB 11,, PUNCT, PUNCT,, ben M M SubPOS=c Num=s Cas=2 Form=d NumP=none PerP=none NumPd=none SubPOS=c Num=s Cas=2 Form=d NumP=none PerP=none NumPd=none OBL 1 1 OBL 13 már már már R SubPOS=x Deg=none Num=none Per=none R 15 SubPOS=x Deg=none Num=none Per=none 15 MODE MODE 14 2,6 2,6 2,6 M M SubPOS=f Num=s Cas=n Form=d NumP=none PerP=none NumPd=none SubPOS=f Num=s Cas=n Form=d NumP=none PerP=none NumPd=none NUM NUM 15 milliót millió millió M M SubPOS=c Num=s Cas=a Form=l NumP=none PerP=none NumPd=none SubPOS=c Num=s Cas=a Form=l NumP=none PerP=none NumPd=none OBJ 1 1 OBJ 16.. PUNCT. PUNCT.. 0 0
10
11 WordNet Lexikális adatbázis Fogalmak hálóba rendezve különféle relációk alapján Angol: Princeton WordNet (PWN) Más nyelvekre is: EuroWordNet, BalkaNet stb. Magyar: Hungarian WordNet (HuWN)
12 A HuWN bemutatása synset (általános ontológia) üzleti nyelvi, ill. 650 jogi nyelvi synset (szakontológia) Főnevek Igék Melléknevek Határozószók Alapelv: ahol csak lehet, a PWNnek megfeleltetni a synseteket
13 Melléknevek a HuWN-ben
14 WSD korpusz Jelentés-egyértelműsítés A WordNet építése mellett elkészült Szegeden az első (Lexical Sample) tanítókorpusz magyarra (finom jelentésmegkülönböztetés) 39 szóalak szóalakonként címkézett példa 6 melléknév: anyagi, élő, erős, képes, pontos, szociális 21 főnév: civil, család, élet, ház, helyzet, intézmény, iskola, kép, képviselő, kormány, nap, oldal, ország, perc, pont, program, század, személy, szervezet, tanár, világ, víz 12 ige: függ, hat, jár, kap, kerül, marad, rendelkezik, szerepel, tart, tartozik, tud, válik
15
16 NE-korpuszok CoNLL-verseny normáit követi ORG / LOC / PER / MISC osztályok ~ szövegszó (SZK üzleti hírek) ~ szövegszó (HVG-cikkek) Szó szerinti (tag-for-tag) Metonimikus jelölés (tag-for-meaning)
17 SzegedParalell Magyar-angol párhuzamos korpusz Kézzel párhuzamosított bekezdés és mondat szinten: nyelvkönyvek EU-s szövegek Kétnyelvű újságok irodalom mondatszintű egység Egy része FX-ekre annotálva
18 Bizonytalanságra annotált korpuszok BioScope (20K mondat) Orvosi szövegek Biológiai absztraktok Biológiai cikkek CoNLL-2010 Shared Task korpuszok (Biológiai cikkek (18K mondat) + Wikipedia-szócikkek (20K mondat) ) Szeged Uncertainty Corpus Újraannotált CoNLL FactBank Egységes annotációs elvek WikiWeasel 2.0: diskurzusszintű bizonytalanság huncertainty: magyar korpusz (17K mondat)
19 A O O lap O O szerint B-doxastic B-doxastic P. O O. O O Márió O O kitart B-doxastic O amellett O O, O O hogy O O egyáltalán O O nem O O emlékszik O O arra O O, O O hogy O O őt O O bárki O O is O O üldözte O O volna O O. O O Állítólag B-epistemic B-epistemic azon O O a O O területen O O, O O ahol O O a O O vérengzés O O történt O O, O O csak O O a O O gyilkos O O kocsijának O O a O O keréknyomát O O találták O O meg O O
20 MWE-korpuszok Többszavas kifejezések Wiki50 korpusz: 50 angol Wikipedia-szócikk (4700 mondat) MWE-k és NE-k kézzel jelölve Szeged Treebankben és SzegedParalell egy részében FX-ek JRC-Acquis jogi párhuzamos korpuszban FX-ek angol, német, spanyol és magyar nyelven (~100K token minden nyelven)
21 Wiki50
22 HunLearner Középhaladó és haladó szintű tanulók fogalmazásai Többségében horvát vagy észt anyanyelvűek Számítógépen, szótár és nyelvkönyv nélkül írt fogalmazások 1400 mondat Főnévi morfológiai hibák jelölve Alanyi/tárgyas ragozási hibák
23 1 A a Tf 2 DET T SubPOS=f 2 gyerek gyerek Nc-sn 9 SUBJ N SubPOS=c Num=s Cas=n NumP=none PerP=none NumPd=none 3 nagyon nagyon Rx 4 MODE R SubPOS=x Deg=none 4 okos okos Afp-sn 9 ATT A SubPOS=f Deg=p Num=s Cas=n NumP=none PerP=none NumPd=none 5 és és Ccsw 4 CONJ C SubPOS=c Form=s Coord=w 6 kedves kedves Afp-sn 5 COORD A SubPOS=f Deg=p Num=s Cas=n NumP=none PerP=none NumPd=none 7 és és Ccsw 6 CONJ C SubPOS=c Form=s Coord=w 8 jól jól Rxp 7 COORD R SubPOS=x Deg=p 9 müködik müködik X 0 ROOT X _ 10 a a Tf 11 DET T SubPOS=f 11 kapcsolatünk kapcsolatünk X 9 OBL X _ kapcsolatunk Stem: A Assimilation: 1 Matching: B Suffix number: PUNCT. _
24 Véleménydetekciós korpusz Népszavazás a kettős állampolgárságról 1294 fórumhozzászólás Igennel/nemmel szavazna érvénytelenül szavaz nem releváns kategóriák szerint felcímkézve
25 Személyiségjegyek és vélemények 500 utazási blog 5 úticélhoz kapcsolódva Angol nyelvű Pozitív és negatív vélemények adott dologra vonatkoztatva Személyiségjegyekre utaló szövegrészek is jelölve
26
27 Koreferenciakorpusz Azonos referenciájú elemek összekötése Szeged Treebank szövegei Folyamatban
Korpuszok létrehozása. Korpuszok a nyelvészeti kutatásban szeptember 22.
Korpuszok létrehozása Korpuszok a nyelvészeti kutatásban 2014. szeptember 22. Alapfogalmak Korpusz: speciális célokra létrehozott, (gyakran tematikus) adatbázis szöveggyűjtemény Annotáció: a szövegek nyelvi
Részletesebbenmagyarlanc 2.0: szintaktikai elemzés és felgyorsított szófaji egyértelműsítés
368 IX. Magyar Számítógépes Nyelvészeti Konferencia magyarlanc 2.0: szintaktikai elemzés és felgyorsított szófaji egyértelműsítés Zsibrita János 1, Vincze Veronika 2, Farkas Richárd 1 1 Szegedi Tudományegyetem,
RészletesebbenSzemantika: modalitás, kompozicionalitás. Nyelvészet az informatikában informatika a nyelvészetben 2013. november 13.
Szemantika: modalitás, kompozicionalitás Nyelvészet az informatikában informatika a nyelvészetben 2013. november 13. Bevezetés Szemantika: jelentéssel foglalkozó nyelvészeti részterület Mi a jelentés?
RészletesebbenA HUNGLISH PÁRHUZAMOS KORPUSZ
A HUNGLISH PÁRHUZAMOS KORPUSZ MINT OKTATÁSI SEGÉDESZKÖZ Sass Bálint joker@nytud.hu Magyar Tudományos Akadémia Nyelvtudományi Intézet Korpusznyelvészeti Osztály XVI. MANYE kongresszus Gödöllő, 2006. április
RészletesebbenDomének közti hasonlóságok és különbségek a szófajok és szintaktikai viszonyok eloszlásában
182 IX. Magyar Számítógépes Nyelvészeti Konferencia Domének közti hasonlóságok és különbségek a szófajok és szintaktikai viszonyok eloszlásában Vincze Veronika 1,2 1 MTA-SZTE Mesterséges Intelligencia
RészletesebbenEsemények detektálása természetes nyelvű szövegekben
Események detektálása természetes nyelvű szövegekben Subecz Zoltán, Nagyné Csák Éva Összefoglalás Az események detektálásának a feladata az esemény-előfordulások azonosítása a szövegekben. Esemény előfordulásnak
RészletesebbenVIII. Magyar Számítógépes. Nyelvészeti Konferencia MSZNY 2011. Szerkesztette: Tanács Attila. Vincze Veronika
VIII. Magyar Számítógépes Nyelvészeti Konferencia MSZNY 2011 Szerkesztette: Tanács Attila Vincze Veronika Szeged, 2011. december 1-2. http://www.inf.u-szeged.hu/mszny2011 Tartalomjegyzék I. Többnyelvuség
RészletesebbenSzintaxis: elemzések. Nyelvészet az informatikában informatika a nyelvészetben november 6.
Szintaxis: elemzések Nyelvészet az informatikában informatika a nyelvészetben 2013. november 6. Bevezetés Múlt óra: mondatrészek Mai óra: Szintaktikai reprezentációs elméletek Ágrajzok Problémás jelenségek
RészletesebbenSzemantika, lexikográfia: jelentés-egyértelműsítés, wordnetek. Nyelvészet az informatikában informatika a nyelvészetben 2013. november 13.
Szemantika, lexikográfia: jelentés-egyértelműsítés, wordnetek Nyelvészet az informatikában informatika a nyelvészetben 2013. november 13. Bevezetés Lexikális szemantika Jelentés-egyértelműsítés Szójelentés
RészletesebbenTermészetesnyelv-feldolgozás. Mesterséges intelligencia 2014. május 9.
Természetesnyelv-feldolgozás Mesterséges intelligencia 2014. május 9. Bevezetés Nyelv- és beszédtechnológia: írott és a hangzó nyelv feldolgozása nyelvi produktumok előállítása Natural language processing
Részletesebbena Szeged FC Treebankben
Szeged, 2014. január 16 17. 67 Többszintű szintaktikai reprezentáció kialakítása a Szeged FC Treebankben Simkó Katalin Ilona 1, Vincze Veronika 2, Farkas Richárd 1 1 Szegedi Tudományegyetem, TTIK, Informatikai
RészletesebbenA számítógépes nyelvészet elmélete és gyakorlata. Korpuszok
A számítógépes nyelvészet elmélete és gyakorlata Korpuszok Mi a korpusz? A korpusz ténylegesen előforduló írott, vagy lejegyzett beszélt nyelvi adatok gyűjteménye. A szövegeket valamilyen szempont szerint
RészletesebbenA Hunglish Korpusz és szótár
A Hunglish Korpusz és szótár Halácsy Péter 1, Kornai András 1, Németh László 1, Sass Bálint 2 Varga Dániel 1, Váradi Tamás 1 BME Média Oktató és Kutató Központ 1111 Budapest, Stoczek u. 2 {hp,nemeth,daniel}@mokk.bme.hu
RészletesebbenNyelvelemzés sajátkezűleg a magyar INTEX rendszer. Váradi Tamás varadi@nytud.hu
Nyelvelemzés sajátkezűleg a magyar INTEX rendszer Váradi Tamás varadi@nytud.hu Vázlat A történet eddig Az INTEX rendszer A magyar modul Az INTEX korlátai premier előtt: NooJ konklúziók, további teendők
RészletesebbenFőnévi csoportok azonosítása szabályalapú és hibrid módszerekkel
Főnévi csoportok azonosítása szabályalapú és hibrid módszerekkel MTA SZTAKI Nyelvtechnológiai Kutatócsoport recski@sztaki.hu TLP20 2010. november 25. Tartalom Előzmények A feladat A hunchunk rendszer A
RészletesebbenAz igekötők gépi annotálásának problémái Kalivoda Ágnes
Az igekötők gépi annotálásának problémái Kalivoda Ágnes Budapest, 2017. február 3. PPKE BTK Bevezetés Mi a probléma? Homográf szóalakok hibás szófaji címkét kaphatnak Mi a megoldás? Szabály alapú javítás
RészletesebbenMotiváció Eszközök és eljárások Eredmények Távlat. Sass Bálint joker@nytud.hu
VONZATKERETEK A MAGYAR NEMZETI SZÖVEGTÁRBAN Sass Bálint joker@nytud.hu Magyar Tudományos Akadémia Nyelvtudományi Intézet Korpusznyelvészeti Osztály MSZNY2005 Szeged, 2005. december 8-9. 1 MOTIVÁCIÓ 2 ESZKÖZÖK
RészletesebbenA Magyar Nemzeti Szövegtár új változatáról Váradi Tamás
A Magyar Nemzeti Szövegtár új változatáról Váradi Tamás varadi@nytud.mta.hu MTA Nyelvtudományi Intézet Nyelvtechnológiai és Alkalmazott Nyelvészeti Osztály Tartalom Előzmény Motiváció Cél Fejlesztés Eredmény
RészletesebbenMorfológia, szófaji egyértelműsítés. Nyelvészet az informatikában informatika a nyelvészetben október 9.
Morfológia, szófaji egyértelműsítés Nyelvészet az informatikában informatika a nyelvészetben 2013. október 9. Előző órán Morfológiai alapfogalmak Szóelemzések Ismeretlen szavak elemzése Mai órán Szófajok
RészletesebbenSzámítógépes Nyelvészet nyelvi adatbázisok és használatuk
Számítógépes Nyelvészet nyelvi adatbázisok és használatuk Mesterséges Intelligencia előadás http://www.inf.u-szeged.hu/hlt 5/3/2011 1 Tartalom A számítógépes szövegfeldolgozás célja Nyelvi adatbázisok
RészletesebbenSzámítógépes Számítógépes Nyelvészet nyelvi nyelvi adatbázisok é s éés használatuk
Számítógépes Nyelvészet nyelvi adatbázisok és használatuk Középiskolás szakkör előadás fóliák http://www.inf.u-szeged.hu/hlt 2008.12.04. 1 Tartalom A számítógépes szövegfeldolgozás célja Nyelvi adatbázisok
RészletesebbenA HunOr magyar-orosz párhuzamos korpusz
Szeged, 2011. december 1 2. 341 A HunOr magyar-orosz párhuzamos korpusz Szabó Martina Katalin 1, Schmalcz András 2, Nagy T. István 2, Vincze Veronika 3 1 Szegedi Tudományegyetem, Magyar Nyelvészeti Tanszék
RészletesebbenFőnévi csoportok és mondatvázak elemzésének lehetősége magyar nyelvű korpuszokon
Főnévi csoportok és mondatvázak elemzésének lehetősége magyar nyelvű korpuszokon Ligeti-Nagy Noémi Pázmány Doktori Konferencia Budapest, 2016. február 5. Háttér Performancia-alapú elemzés néhány kulcsmotívuma:
RészletesebbenJanuár 7. hétfő. I. Beszédtechnológia, fonológia
Január 7. hétfő 09:15-10:45 Regisztráció, kávé 10:45-11:00 Megnyitó 11:00-12:00 Plenáris előadás Gósy Mária: Spontán beszéd: szabályok és szabálytalanságok I. Beszédtechnológia, fonológia 12:00-12:20 Grósz
RészletesebbenFőnevek a Magyar WordNetben
Főnevek a Magyar WordNetben Hatvani Csaba 1, Kocsor András 1, Miháltz Márton 2, Szarvas György 1, Szécsi Katalin 2 1 Szegedi Tudományegyetem, Informatikai Tanszékcsoport 6720 Szeged, Árpád tér 2. {hacso,
RészletesebbenKORPUSZOK, LEKÉRDEZŐK, NEMZETI KORPUSZPORTÁL
KORPUSZOK, LEKÉRDEZŐK, NEMZETI KORPUSZPORTÁL Sass Bálint sass.balint@nytud.mta.hu MTA Nyelvtudományi Intézet Nyelvtechnológiai és Alkalmazott Nyelvészeti Osztály DHU2015 WS Számítógép az irodalomtudományban
RészletesebbenBevezetés az e-magyar programcsomag használatába
Bevezetés az e-magyar programcsomag használatába Vadász Noémi 2019. február 7. MTA Nyelvtudományi Intézet vadasz.noemi@nytud.mta.hu Az előadás felépítése 1. szövegelemzés számítógéppel elemzési lépések
RészletesebbenAngol Nyelvészeti Tanszék DELITE március 12. A Lexikai-Funkcionális Grammatikai Kutatócsoport: ParGram > HunGram > Treebank
Angol Nyelvészeti Tanszék DELITE 2014. március 12. A Lexikai-Funkcionális Grammatikai Kutatócsoport: ParGram > HunGram > Treebank http://hungram.unideb.hu/ A csapat (LFGKCS) Tóth Ágoston Laczkó Tibor Rákosi
RészletesebbenMagyar nyelvű néprajzi keresőrendszer
Szeged, 2013. január 7 8. 361 Magyar nyelvű néprajzi keresőrendszer Zsibrita János 1, Vincze Veronika 2 1 Szegedi Tudományegyetem, Informatikai Tanszékcsoport zsibrita@inf.u-szeged.hu 2 MTA-SZTE Mesterséges
Részletesebbenmagyar nyelvű szövegekben
Szeged, 2014. január 16 17. 99 Bizonytalanságot jelölő kifejezések azonosítása magyar nyelvű szövegekben Vincze Veronika 1,2 1 Szegedi Tudományegyetem, TTIK, Informatikai Tanszékcsoport, Szeged Árpád tér
RészletesebbenBizonytalanság azonosítása
Bizonytalanság azonosítása természetes nyelvű szövegekben A DOKTORI ÉRTEKEZÉS TÉZISEI Vincze Veronika MTA-SZTE Mesterséges Intelligencia Kutatócsoport és Szegedi Tudományegyetem 2014. július Témavezető:
RészletesebbenDR. VINCZE VERONIKA. SZEMÉLYES ADATOK Születési idő: július 1. Állampolgárság: magyar
DR. VINCZE VERONIKA ELÉRHETŐSÉG MTA-SZTE Mesterséges Intelligencia Kutatócsoport 6720 Szeged, Tisza Lajos krt. 103. Telefon: +36-62-54-41-40 Mobil: +36-70-22-99-108 Fax: +36-62-54-67-37 E-mail: vinczev@inf.u-szeged.hu
RészletesebbenKorpuszkeresés, NoSkE, Mtsz, MNSZ2, NKP
Korpuszkeresés, NoSkE, Mtsz, MNSZ2, NKP 2016. június 1. szeminárium, MTA NYTI Sass Bálint sass.balint@nytud.mta.hu Cím NoSkE = korpuszkezelő rendszer ( lényeg!) NoSketchEngine (régi nevén: Manatee/Bonito)
RészletesebbenA Mazsola KORPUSZLEKÉRDEZŐ
A Mazsola KORPUSZLEKÉRDEZŐ Sass Bálint sass.balint@nytud.mta.hu MTA Nyelvtudományi Intézet PPKE ITK Eötvös Collegium Budapest, 2012. április 27. 1 / 34 1 HÁTTÉR 2 HASZNÁLAT 3 MIRE JÓ? 4 PÉLDÁK 2 / 34 1
RészletesebbenKorpuszlekérdezők evolúciója
Korpuszlekérdezők evolúciója Sass Bálint sass.balint@nytud.mta.hu MTA Nyelvtudományi Intézet Nyelvtechnológiai és Alkalmazott Nyelvészeti Osztály 2015. november 10. korpusz? lekérdező? 2 / 19 korpusz =
RészletesebbenMODELLALAPÚ SZEMANTIKUS KERESŐ RENDSZER KIDOLGOZÁSA
TECH_08_A2/2-2008-0092 MODELLALAPÚ SZEMANTIKUS KERESŐ RENDSZER KIDOLGOZÁSA IDŐKÖZI SZAKMAI BESZÁMOLÓ 3. SZAKASZ SZÓEGYÉRTELMŰSÍTŐ (WSD) MODUL KIDOLGOZÁSA Alkalmazott Logikai Laboratórium Szegedi Tudományegyetem
RészletesebbenIgekötős szerkezetek a magyarban
Igekötős szerkezetek a magyarban Kalivoda Ágnes 2018. június 26., Budapest PPKE BTK Nyelvtudományi Doktori Iskola Nyelvtechnológia Műhely Témavezető: Prószéky Gábor A kutatás célja az igekötős szerkezetek
RészletesebbenMorfológiai újítások a Szeged Korpusz 2.5-ben
332 X. Magyar Számítógépes Nyelvészeti Konferencia Morfológiai újítások a Szeged Korpusz 2.5-ben Vincze Veronika 1,2, Varga Viktor 2, Simkó Katalin Ilona 2, Zsibrita János 2, Nagy Ágoston 2, Farkas Richárd
RészletesebbenFélig kompozicionális szerkezetek a SzegedParalell angol magyar párhuzamos korpuszban
Szeged, 2010. december 2 3. 91 Félig kompozicionális szerkezetek a SzegedParalell angol magyar párhuzamos korpuszban Vincze Veronika 1, Felvégi Zsuzsanna 2, R. Tóth Krisztina 3 1 Szegedi Tudományegyetem,
RészletesebbenMi az? Többértelműség Kutatás NYELVTECHNOLÓGIA. Sass Bálint Pázmány Nap október 17.
NYELVTECHNOLÓGIA Sass Bálint sass@digitus.itk.ppke.hu Pázmány Nap 2007. október 17. 1 MI AZ? 2 TÖBBÉRTELMŰSÉG 3 KUTATÁS 1 MI AZ? 2 TÖBBÉRTELMŰSÉG 3 KUTATÁS BEVEZETŐ Language makes us human. Turing teszt
RészletesebbenEGY ÁLTALÁNOS MODELLNEK MEGFELELŐ
EGY ÁLTALÁNOS MODELLNEK MEGFELELŐ SZERKEZETEK KINYERÉSE KORPUSZBÓL Sass Bálint sass.balint@nytud.hu MTA Nyelvtudományi Intézet Budapest, 2011. június 16. 1 / 33 1 MAGYAR IGEI SZERKEZETEK Alapmodell és
RészletesebbenDiszlexiások/diszgráfiások anyanyelvi és idegen nyelvi szókincsszerkezete
Diszlexiások/diszgráfiások anyanyelvi és idegen nyelvi szókincsszerkezete Kohlmann Ágnes Pázmány Péter Katolikus Egyetem Nyelvtudományi Doktori Iskola kohlmannagi@yahoo.de Előzmények és kutatási kérdés
RészletesebbenLexikon és nyelvtechnológia Földesi András /
Lexikon és nyelvtechnológia 2011.11.13. Földesi András / A nyelvi anyag feldolgozásának célja és módszerei Célunk,hogy minden egyes eleme számára leírjuk paradigmatikus alakjainak automatikus szintézisét.
RészletesebbenSZÁMÍTÓGÉPES NYELVI ADATBÁZISOK
SZÁMÍTÓGÉPES NYELVI ADATBÁZISOK A MAGYARÓRÁN Sass Bálint joker@nytud.hu Magyar Tudományos Akadémia Nyelvtudományi Intézet Korpusznyelvészeti Osztály XVI. MANYE kongresszus Gödöllő, 2006. április 10-12.
RészletesebbenMAGYAR MINT IDEGEN NYELV TANKÖNYVEK NYELVI ANYAGÁNAK SZÁMÍTÓGÉPES ELEMZÉSE 5
Durst Péter 1 Szabó Martina Katalin 2 Vincze Veronika 3 Zsibrita János 4 MAGYAR MINT IDEGEN NYELV TANKÖNYVEK NYELVI ANYAGÁNAK SZÁMÍTÓGÉPES ELEMZÉSE 5 Abstract This paper presents the results of an analysis
RészletesebbenMagyar főnévi WordNet-ontológia létrehozása automatikus módszerekkel
Magyar főnévi WordNet-ontológia létrehozása automatikus módszerekkel Miháltz Márton MorphoLogic Kft. 1118 Budapest, Késmárki utca 8. mihaltz@morphologic.hu Kivonat. A cikk bemutatja a folyamatban lév,
RészletesebbenFélig kompozicionális szerkezetek automatikus azonosítása magyar és angol nyelven
Szeged, 2011. december 1 2. 59 Félig kompozicionális szerkezetek automatikus azonosítása magyar és angol nyelven Vincze Veronika 1, Nagy T. István 2, Zsibrita János 2 1 Magyar Tudományos Akadémia, Mesterséges
RészletesebbenReklám CL & LT Modell Mazsola Alkalmazás Példák Befejezés. Sass Bálint
ESZKÖZ A MAGYAR IGÉK BŐVÍTMÉNYSZERKEZETÉNEK VIZSGÁLATÁRA Sass Bálint joker@nytud.hu MTA Nyelvtudományi Intézet, Nyelvtechnológiai Osztály PPKE ITK, MMT Doktori Iskola, Nyelvtechnológia Doktori Program
RészletesebbenNyelvtechnológia - nyelvészeknek
Nyelvtechnológia - nyelvészeknek A korpusznyelvészettől a nyelvtechnológiáig Váradi Tamás MTA Nyelvtudományi Intézet varadi@nytud.hu A 2006. november 30-án a Nyelvtudományi Intézetben tartott előadás bővített
RészletesebbenRDFS. (Resource Description Frameworks Schema) Méréstechnika és Információs Rendszerek Tanszék https://www.mit.bme.hu/oktatas/targyak/vimiac04
RDFS (Resource Description Frameworks Schema) Méréstechnika és Információs Rendszerek Tanszék https://www.mit.bme.hu/oktatas/targyak/vimiac04 1 RDF Eredetileg webes metaadat kezelés javasolt megközelítése
Részletesebben2001-ben végze Eötvös-kollégistaként. angol nyelv és irodalom szakán, majd 2006 júliusában
B y G y F v v m y b E y u m y ( m ó ) y v b y v u m y m j 20. A j m : m y v 1 ü - b ü ó, v m y v - v ó y, m y j y v - u m y ü m j m v. A y v u m y y m u m y, ó ü v, m m m u m y. J, m b m ó b. A MTA 56
RészletesebbenA HG-1 Treebank és keresőfelület fejlesztői munkái, használata és felhasználhatósága
A HG-1 Treebank és keresőfelület fejlesztői munkái, használata és felhasználhatósága Az elemzésektől a keresőfelületig DELITE Angol Nyelvészeti Tanszék 2014. 03. 12. Csernyi Gábor 1 Célok, előzmények Mit?
RészletesebbenMazsola mindenkinek. Sass Bálint MTA Nyelvtudományi Intézet január 18. MSZNY 2018, Szeged
Mazsola mindenkinek Sass Bálint MTA Nyelvtudományi Intézet 2018. január 18. MSZNY 2018, Szeged Példa http://corpus.nytud.hu/mazsola Lekérdezés: iszik + -t 2/15 Háttér adatbázis Ha a város a tárcáktól pénzt
RészletesebbenHunLearner: a magyar nyelv nyelvtanulói korpusza
Szeged, 2013. január 7 8. 97 HunLearner: a magyar nyelv nyelvtanulói korpusza Vincze Veronika 1, Zsibrita János 2, Durst Péter 3, Szabó Martina Katalin 4 1 MTA-SZTE Mesterséges Intelligencia Kutatócsoport
RészletesebbenEgy általános célú morfológiai annotáció kiterjesztése
Egy általános célú morfológiai annotáció kiterjesztése Recski Gábor MTA SZTAKI, Nyelvtechnológiai Kutatócsoport recski@sztaki.hu Kivonat: Egy szó nyelvtani jegyeinek kódolására számos különböző annotációs
RészletesebbenPÁRHUZAMOS IGEI SZERKEZETEK
PÁRHUZAMOS IGEI SZERKEZETEK KÖZVETLEN KINYERÉSE PÁRHUZAMOS KORPUSZBÓL Sass Bálint sass.balint@nytud.hu MTA Nyelvtudományi Intézet, Budapest MSZNY2010 Szeged, 2010. december 2-3. 1 EGYNYELVŰ IGEI SZERKEZETEK
RészletesebbenTrendMiner (Politikai témájú SM üzenetek (szociál)pszichológiai vizsgálata)
TrendMiner (Politikai témájú SM üzenetek (szociál)pszichológiai vizsgálata) Miháltz Márton Hungarian Natural Language Processing Meetup, 2014. szeptember 25. www.trendminer-project.eu TrendMiner Projekt
RészletesebbenNem lexikalizált fogalmak a Magyar WordNetben
90 VIII. Magyar Számítógépes Nyelvészeti Konferencia Nem lexikalizált fogalmak a Magyar WordNetben Vincze Veronika, Almási Attila Szegedi Tudományegyetem, Informatikai Tanszékcsoport Szeged, Árpád tér
RészletesebbenXI. Magyar Számítógépes Nyelvészeti Konferencia MSZNY Szerkesztette: Tanács Attila Varga Viktor Vincze Veronika
XI. Magyar Számítógépes Nyelvészeti Konferencia MSZNY 2015 Szerkesztette: Tanács Attila Varga Viktor Vincze Veronika Szeged, 2015. január 15-16. http://rgai.inf.u-szeged.hu/mszny2015 ISBN: 978-963-306-359-0
RészletesebbenWordNet egy számítógépes lexikai adatbázis Somogyi Gábor
WordNet egy számítógépes lexikai adatbázis Somogyi Gábor SZTE BTK angol kommunikáció szak hpl_hu@freemail.hu A számítástechnika rohamos fejlődése, az internetnek mint a legnagyobb, vagyis világméretű hálózatnak
RészletesebbenBeszéd- és nyelvelemző szoftverek a versenyképességért és az esélyegyenlőségért
Szegedi Tudományegyetem Juhász Gyula Pedagógusképző Kar Magyar és Alkalmazott Nyelvészeti Tanszék Beszéd- és nyelvelemző szoftverek a versenyképességért és az esélyegyenlőségért HunCLARIN korpuszok és
RészletesebbenYANG ZIJIAN GYŐZŐ 杨子剑
YANG ZIJIAN GYŐZŐ 杨子剑 Személyes adatok Mobil +36-20-535-7968 Cím Email 1091 Budapest Üllői út 109/C. Magyarország yang.zijian.gyozo@uni-eszterhazy.hu fragata8@gmail.com Neme férfi Születési hely Changchun,
RészletesebbenJavaslat a magyar igei WordNet kialakítására
Javaslat a magyar igei WordNet kialakítására Kuti Judit, Vajda Péter, Varasdi Károly MTA Nyelvtudományi Intézet Korpusznyelvészeti Osztály 068 Budapest, Benczúr u. 33. {kutij, vajda, varasdi}@nytud.hu
RészletesebbenAz Ómagyar Korpusz bemutatása
Az Ómagyar Korpusz bemutatása Simon Eszter 2017. január 13. 29. Finnugor Szeminárium Simon Eszter Az Ómagyar Korpusz bemutatása Az előadás vázlata 1 A projektek 2 A korpusz anyaga 3 A feldolgozás lépései
RészletesebbenDoktori (Ph.D.) értekezés tézisei. A magyar nyelv automatikus szintaktikai elemzése szabályalapú gépi tanulási technikák alkalmazásával.
Doktori (Ph.D.) értekezés tézisei A magyar nyelv automatikus szintaktikai elemzése szabályalapú gépi tanulási technikák alkalmazásával Hócza András Témavezet : Gyimóthy Tibor, PhD Szegedi Tudományegyetem
RészletesebbenKlasszikus héber nyelv 4.: Szintaxis
Klasszikus héber nyelv 4.: Szintaxis BBN-HEB11-204 Koltai Kornélia, Biró Tamás 2017. november 22. Visszajelzés a beadott házi feladatokkal és a negyedévi zh-val kapcsolatban igék ragozása ע "ו és ל "א
Részletesebben2
1 SZÉKELY GÁBOR EGY SAJÁTOS NYELVI JELENSÉG, A FOKOZÁS 2 3 SEGÉDKÖNYVEK A NYELVÉSZET TANULMÁNYOZÁSÁHOZ 66. SZÉKELY GÁBOR EGY SAJÁTOS NYELVI JELENSÉG, A FOKOZÁS TINTA KÖNYVKIADÓ BUDAPEST, 2007 4 KÖNYVEM
RészletesebbenKlasszikus héber nyelv 4.: Szintaxis
Klasszikus héber nyelv 4.: Szintaxis BBN-HEB11-204 Koltai Kornélia, Biró Tamás 2017. szeptember 13. Informatikusviccek Az informatikus felesége elküldi a férjét a boltba: - Hozzál margarint, és ha van
RészletesebbenMagyar WordNet: az első magyar lexikális szemantikai adatbázis 1
Magyar WordNet: az első magyar lexikális szemantikai adatbázis 1 Prószéky Gábor Miháltz Márton MorphoLogic 1126 Budapest, Orbánhegyi út 5. proszeky@morphologic.hu, mihaltz@morphologic.hu Benyújtva: 2008.
RészletesebbenXIII. Magyar Számítógépes Nyelvészeti Konferencia MSZNY Szerkesztette: Vincze Veronika
XIII. Magyar Számítógépes Nyelvészeti Konferencia MSZNY 2017 Szerkesztette: Vincze Veronika Szeged, 2017. január 26-27. http://rgai.inf.u-szeged.hu/mszny2017 ISBN: 978-963-306-518-1 Szerkesztette: Vincze
RészletesebbenKlasszikus héber nyelv 4.: Szintaxis
Klasszikus héber nyelv 4.: Szintaxis BBN-HEB11-204 Koltai Kornélia, Biró Tamás 2015. november 25. Témaválasztás házi dolgozatra (ע "ו ( igeragozás Ismétlés: Mondatok: Arnold & Choi 5. rész A mondat belső
RészletesebbenStatisztikai alapú tulajdonnév-felismerő magyar nyelvre
Statisztikai alapú tulajdonnév-felismerő magyar nyelvre Farkas Richárd 1, Szarvas György 1 1 MTA-SZTE, Mesterséges Intelligencia Tanszéki Kutatócsoport, 6720 Szeged, Aradi vértanúk tere 1., Hungary, {rfarkas,
RészletesebbenEgy nyelvészbarát szövegfeldolgozó eszköz: a NooJ
Egy nyelvészbarát szövegfeldolgozó eszköz: a NooJ Pajzs Júlia Bevezetés A NooJ nyelvészek számára készült, szövegfeldolgozásra alkalmas szoftver, amelynek használatával nyelvtechnológiai háttérrel nem
RészletesebbenStrukturált nyelvi adatbázis létrehozása gépi tanulási módszerekkel. Kutatási terv
Strukturált nyelvi adatbázis létrehozása gépi tanulási módszerekkel Kutatási terv Gábor Kata A kutatásom célja egy strukturált lexikai adatbázis felépítése magyar nyelvre gépi tanulási módszerek alkalmazásával.
RészletesebbenBevezetés a nyelvtechnológiába 10. Korpuszok (és még néhány dolog, ami eddig kimaradt...)
Bevezetés a nyelvtechnológiába 10. Korpuszok (és még néhány dolog, ami eddig kimaradt...) A korpusznyelvészet alapgondolata Korpusz: meghatározott szempontok alapján kiválasztott szövegmennyiség, amelyen
RészletesebbenKeresés korpuszban október 19., SZTE JGYPK Sass Bálint MTA Nyelvtudományi Intézet
Keresés korpuszban Beszéd- és nyelvelemző szoftverek a versenyképességért és az esélyegyenlőségért 2018. október 19., SZTE JGYPK Sass Bálint MTA Nyelvtudományi Intézet sass.balint@nytud.mta.hu Témák NoSkE
RészletesebbenBevezetés a nyelvtechnológiába 9. Gépi fordítás. Prószéky Gábor A nyelvtechnológia alapjai november 30.
Bevezetés a nyelvtechnológiába 9. Gépi fordítás Ezt olvassuk a gépi fordításról A gépi fordítással foglalkozni kidobott idő, mert egy gép sosem fog Shakespeare-t fordítani Állítólag volt egyszer egy gépi
RészletesebbenMagyar nyelvű történeti korpuszok
Magyar nyelvű történeti korpuszok Simon Eszter Debrecen, 2019. február 7. MTA Nyelvtudományi Intézet Az előadás vázlata 1. A történeti korpuszok jellemzői 2. A történeti szövegek feldolgozása 3. A korpuszok
RészletesebbenMagyar nyelvtan tanmenet 4. osztály
COMENIUS ANGOL-MAGYAR KÉT TANÍTÁSI NYELVŰ ÁLTALÁNOS ISKOLA Magyar nyelvtan tanmenet 4. osztály 2013/2014 Tanítók: Tóth Mária, Buruncz Nóra Tankönyvcsalád: Nemzeti Tankönyvkiadó Anyanyelvünk világa 4. osztály
Részletesebben28 millió szintaktikailag elemzett mondat és igei szerkezet
28 millió szintaktikailag elemzett mondat és 500000 igei szerkezet Sass Bálint MTA Nyelvtudományi Intézet sass.balint@nytud.mta.hu Kivonat Két nagy méretű, magyar nyelvi erőforrást teszünk közzé. Az egyik
RészletesebbenMagyar nyelv és irodalom Fejlesztési terv
és a Magyar nyelv és irodalom Fejlesztési terv A sport összeköt testvériskolai kapcsolat kiépítése a és a Boglári Általános Iskola és Alapfokú Művészeti Iskola között Készítette: Pap Andrea Pétervására,
RészletesebbenTÉMAKÖR: A MAGYAR NYELV TÖRTÉNETE 5. A NYELVMŰVELÉS ÉS NYELVTERVEZÉS JELENTŐSÉGE; SZEREPE NAPJAINKBAN
TÉMAKÖR: A MAGYAR NYELV TÖRTÉNETE 5. A NYELVMŰVELÉS ÉS NYELVTERVEZÉS JELENTŐSÉGE; SZEREPE NAPJAINKBAN 1. A nyelvművelés a nyelv életébe való tudatos beavatkozás a javítás szándékával. Ez a tevékenység
RészletesebbenSass Bálint MTA Nyelvtudományi Intézet, Nyelvtechnológiai Osztály PPKE, Információs Technológiai Kar, MMT Doktori Iskola
IGEI VONZATKERETEK AZ MNSZ TAGMONDATAIBAN Sass Bálint joker@nytud.hu MTA Nyelvtudományi Intézet, Nyelvtechnológiai Osztály PPKE, Információs Technológiai Kar, MMT Doktori Iskola MSZNY2006 Szeged, 2006.
RészletesebbenKülönírás-egybeírás automatikusan
Különírás-egybeírás automatikusan Ludányi Zsófia ludanyi.zsofia@nytud.mta.hu Magyar Tudományos Akadémia, Nyelvtudományi Intézet Nyelvtechnológiai Osztály VII. Alkalmazott Nyelvészeti Doktoranduszkonferencia
RészletesebbenNyelvészeti módszerek és irányzatok, bibliai és rabbinikus héber
Nyelvészeti módszerek és irányzatok, bibliai és rabbinikus héber BMA-HEBD-111, P/TÖ/HB-1, BBV-101.51, BMVD-101.78 Biró Tamás 2015. március 10.: Morfológia, kísérletes nyelvészet Egy kutatási projekt (és
RészletesebbenSMT módszereken alapuló szófaji egyértelműsítő és szótövesítő rendszer
SMT módszereken alapuló szófaji egyértelműsítő és szótövesítő rendszer Laki László János Pázmány Péter Katolikus Egyetem, Információs Technológiai Kar laki.laszlo@itk.ppke.hu Kivonat: Jelen munkában az
Részletesebben3. A KORPUSZOKRÓL. 3.1. Bevezetés
3. A KORPUSZOKRÓL 3.1. Bevezetés Megszokott dolog, hogy a korpuszok ismertetése a Brown Korpusszal kezdődik, hiszen ez volt az első elektronikus korpusz. E fejezet azonban két előfutárt mutat be elsőként,
RészletesebbenAz URaLUID adatbázis bemutatása
Hatás alatt álló nyelvek Az URaLUID adatbázis bemutatása Simon Eszter MTA Nyelvtudományi Intézet 2017. január 13. 29. Finnugor Szeminárium Simon Eszter (MTA NyTI) Hatás alatt álló nyelvek 2017. január
RészletesebbenJavában taggelünk.
336 VIII. Magyar Számítógépes Nyelvészeti Konferencia Javában taggelünk Novák Attila 1, Orosz György 2, Indig Balázs 2 1 MorphoLogic Kft., 1116 Budapest, Kardhegy utca 5. novak@morphologic.hu 2 Pázmány
RészletesebbenOrsolya egyetemi docens. egyetemi docens dr. Beretzky Ágnes egyetemi docens dr. Sárosdyné dr. Szabó Judit egyetemi docens. Szabó Judit egyetemi docens
Mintatanterv hagyományos angol szakos főiskolai diplomával rendelkező angoltanári mesterszakos hallgatók számára (T/D) (2 félév, 30 ) (A pedagógia-pszichológia modult l. a Tanárképzési tanszék honlapján)
RészletesebbenAz első és az egyetlen. Beszélő fordítógép, beszélő szótár, beszélő kifejezés gyűjtemény
Az első és az egyetlen Beszélő fordítógép, beszélő szótár, beszélő kifejezés gyűjtemény "Újdonság" Áttörés a szövegfordítás technológiájában! Nincs szükség internet kapcsoaltra! Angol-Magyar Beszélő
RészletesebbenTanegységlista (BA) Modern filológia képzési ág. Germanisztika alapszak (BA) német szakirány 2019-től fölvett hallgatóknak
Tanegységlista (BA) Modern filológia képzési ág Germanisztika alapszak (BA) német szakirány 2019-től fölvett hallgatóknak 1 Jelek, rövidítések: EF = egyéni felkészülés G = gyakorlati jegy K = kollokvium
RészletesebbenKétnyelvű környezetben élő diákok (szerb és magyar anyanyelvűek) mentális lexikona
Mgr. Takács Izabella Kétnyelvű környezetben élő diákok (szerb és magyar anyanyelvűek) mentális lexikona A pilóta-kutatás kérdésfelvetése arra vonatkozik, hogy ugyanazokat a szavakat hívja-e elő mentális
RészletesebbenBevezetés a nyelvtechnológiába 7. Fordítástámogatás: szótárak
Bevezetés a nyelvtechnológiába 7. Fordítástámogatás: szótárak A nyelvtechnológia szerepe a lexikográfiában A szótárak célja ma emberek számára készülnek gépek számára készülnek Miből hozunk létre ma szótárakat?
RészletesebbenA MAGYAR NEMZETI SZÖVEGTÁR EGYMILLIÁRD SZAVAS ÚJ VÁLTOZATA
Magyar Tudomány 2014/9 A MAGYAR NEMZETI SZÖVEGTÁR EGYMILLIÁRD SZAVAS ÚJ VÁLTOZATA Váradi Tamás Oravecz Csaba tudományos főmunkatárs, osztályvezető, tudományos munkatárs, MTA Nyelvtudományi Intézet Nyelvtechnológiai
RészletesebbenANGLISZTIKA. Oldal 1
KÓD TÍPUS TANTÁRGY NEVE KORÁBBI TANTÁRGY NEVE (EKVIVALENS TÁRGY) KREDIT KÖVETELMÉNY JELLEG (EA/SZEM/GYAK) FELELŐS TANSZÉK félév1 TT160 törzs A társadalomtudomány alapjai (filozófiai, társadalmi ismeretek)
RészletesebbenHOGYAN LELJÜNK BARÁTOKAT A KORPUSZBAN?
NAGY VIKTOR HOGYAN LELJÜNK BARÁTOKAT A KORPUSZBAN? Dolgozatom azokkal a korpuszlekérdezési problémákkal foglalkozik, amelyekben a keresési feltételek a korpuszban expliciten nem megjelenő tulajdonságokra
RészletesebbenKOPI. Fordítási plágiumok keresése MTA SZTAKI DSD. Pataki Máté MSZNY 2011. Department of Distributed Systems
KOPI MTA SZTAKI Department of Distributed Systems Fordítási plágiumok keresése MSZNY 2011 Pataki Máté Probléma 1. Sok a diák 2. Hasznos anyagok az interneten 3. Digitális szakdolgozatok 4. Jó nyelvtudás
RészletesebbenZárójelentés a K számú OTKA-projektről
Zárójelentés a K 72983 számú OTKA-projektről Jelentésünket az éves időközi szakmai beszámolókra alapozva, azok lényegi részeit kiemelve és röviden kommentálva állítjuk össze: kutatási ünk és eredményeink
RészletesebbenTartalom. Előszó... 13. 1. feladat: Fordítás a megszokott eszközökkel... 17 A számítógép hatékony használatáról... 18
Előszó... 13 1. feladat: Fordítás a megszokott eszközökkel... 17 A számítógép hatékony használatáról... 18 1.1. Előkészítés... 21 A munka fogadása... 21 Az elektronikus levelezés technikája és etikája...
Részletesebben